본문 바로가기
반응형
[python3.10 기본] 목차 Python 3.10 심화 학습 목차파이썬 소개파이썬의 역사와 특징Python 2와 Python 3의 차이점Python 설치 및 환경 설정기본 문법파이썬 인터프리터 사용법주석(Comment)변수와 데이터 타입숫자 (정수, 실수, 복소수)문자열불리언None연산자와 표현식산술 연산자비교 연산자논리 연산자비트 연산자할당 연산자연산자 우선순위제어문조건문 (if, elif, else)반복문 (for, while)반복 제어문 (break, continue, pass)함수함수 정의 및 호출매개변수와 인자위치 인자와 키워드 인자기본값 인자가변 인자 (args, *kwargs)반환값재귀 함수lambda 함수함수 어노테이션데이터 구조리스트 (List)리스트 컴프리헨션튜플 (Tuple)세트 (Set)딕셔너리 (Diction.. 2024. 7. 1.
[python3.10 기본] Python 버전별 특징 Python 3.x 시리즈 주요 변경 사항 (3.0부터 3.12까지)Python 3.0 (2008년)문법 및 라이브러리 호환성 변경: 많은 라이브러리와 문법이 변경되었으며, Python 2와 호환되지 않음.print 함수: print가 함수로 변경되어 print("Hello, World!") 형식을 사용.Integer division: / 연산자가 부동 소수점 나눗셈을 수행하고, // 연산자가 정수 나눗셈을 수행.문자열 처리: 기본 문자열 타입이 유니코드이며, bytes 타입이 도입됨.예외 처리: as 키워드를 사용하여 except 구문을 개선 (except Exception as e).Python 3.1 (2009년)ordered dictionary: collections.OrderedDict 클래스 .. 2024. 7. 1.
[개발 기본 규칙] C++ 프로젝트 구조 C++ 프로젝트의 구조를 잘 정의하는 것은 코드의 가독성과 유지보수성을 높이는 데 매우 중요합니다. 아래는 일반적인 C++ 프로젝트 구조와 관련된 규칙입니다.프로젝트 디렉토리 구조src/: 소스 파일을 저장하는 디렉토리include/: 헤더 파일을 저장하는 디렉토리lib/: 외부 라이브러리 파일을 저장하는 디렉토리bin/: 컴파일된 실행 파일을 저장하는 디렉토리build/: 빌드 시스템이 생성한 파일을 저장하는 디렉토리test/: 테스트 코드를 저장하는 디렉토리docs/: 프로젝트 문서를 저장하는 디렉토리CMakeLists.txt: CMake 빌드 스크립트 파일README.md: 프로젝트에 대한 기본 정보를 제공하는 파일LICENSE: 라이선스 정보 파일디렉토리 구조 예시project/│├── src/│.. 2024. 6. 8.
[PyTorch] 주요 개념 PyTorch는 페이스북의 AI 연구팀에서 개발한 오픈 소스 딥러닝 프레임워크로, 특히 연구와 개발 환경에서 많이 사용됩니다. PyTorch는 텐서 계산 및 동적 계산 그래프를 기반으로 하며, 이를 통해 복잡한 모델을 쉽게 설계하고 디버깅할 수 있습니다. PyTorch의 핵심 개념과 기능을 소개하겠습니다.1. 텐서(Tensor)텐서는 PyTorch의 기본 데이터 구조입니다. 텐서는 N차원의 배열로, 수학적 연산을 수행하는 데 사용됩니다.텐서는 torch.Tensor 클래스를 사용하여 생성할 수 있습니다. 예를 들어, 2x3 행렬을 생성하려면 다음과 같습니다.import torchx = torch.Tensor([[1, 2, 3], [4, 5, 6]])2. 자동 미분(Autograd)Autograd는 PyT.. 2024. 6. 8.
[CV] U-Net [출처]: U-Net: Convolutional Networks for Biomedical Image Segmentation U-Net: 생의학 이미지 분할을 위한 컨볼루션 네트워크저자:Olaf Ronneberger, Philipp Fischer, Thomas Brox독일 프라이부르크 대학교요약:이 논문은 생의학 이미지 분할을 위한 컨볼루션 네트워크 구조와 훈련 전략을 소개합니다. 주요 특징은 다음과 같습니다:주석이 달린 샘플을 효율적으로 사용하기 위한 데이터 증강.맥락을 포착하는 수축 경로와 정밀한 위치 지정이 가능한 확장 경로를 가진 대칭 아키텍처.몇 개의 이미지로부터 엔드 투 엔드로 훈련 가능, 이전 방법보다 뛰어난 성능.빠른 분할 능력 (최근 GPU에서 512x512 이미지 분할이 1초 이내).구.. 2024. 6. 7.
[RecSys] 학습 로드맵 1. 기초 논문1.1. 협업 필터링"Item-based Collaborative Filtering Recommendation Algorithms" - Badrul Sarwar, George Karypis, Joseph Konstan, John Riedl (2001)협업 필터링의 기본 개념과 아이템 기반 추천 알고리즘에 대한 논문입니다.링크"Empirical Analysis of Predictive Algorithms for Collaborative Filtering" - John S. Breese, David Heckerman, Carl Kadie (1998)협업 필터링 예측 알고리즘의 실증 분석에 관한 논문입니다.링크1.2. 콘텐츠 기반 필터링"Content-based recommendation sys.. 2024. 6. 7.
[CV] CvT [출처] CvT: Introducing Convolutions to Vision Transformers [출처]: An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale 요약논문 제목: An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale저자: Alexey Dosovitskiy, Lucas Beyer, Alexander Kolesnikov, Dirk Weissenborn, Xiaohua Zhai, Thomas Unterthiner, Mostafa Dehghani, Matthias Minderer, Georg Heigold, Sylvain Gelly.. 2024. 6. 7.
[CV] Deformable Convolutional Networks [출처]: Deformable Convolutional Networks  "Deformable Convolutional Networks" 요약저자: Jifeng Dai, Haozhi Qi, Yuwen Xiong, Yi Li, Guodong Zhang, Han Hu, Yichen Wei소속: Microsoft Research Asia요약: 컨볼루션 신경망(CNN)은 고정된 기하 구조로 인해 기하 변환을 모델링하는 데 어려움을 겪습니다. 이를 해결하기 위해 저자들은 변형 가능 컨볼루션(deformable convolution)과 변형 가능 RoI 풀링(deformable RoI pooling)을 도입했습니다. 이 모듈들은 추가적인 감독 없이 대상 작업에서 학습된 오프셋을 기반으로 공간 샘플링 위치를 조정하여.. 2024. 6. 7.
[CV] YOLO v2 [출처]: YOLO9000: Better, Faster, StrongerYOLO9000은 실시간으로 9000개 이상의 객체를 인식할 수 있는 최첨단 객체 검출 시스템입니다. 주요 특징과 개선 사항은 다음과 같습니다:YOLOv2 개선 사항:배치 정규화: 수렴 속도를 높이고 과적합을 방지.고해상도 분류기: 더 높은 해상도의 입력 이미지를 사용하여 정확도 향상.앵커 박스 사용: 앵커 박스를 사용하여 예측을 단순화하고 재현율을 높임.차원 클러스터링: K-평균 클러스터링을 사용하여 더 나은 앵커 박스 초기값 설정.직접 위치 예측: 예측 안정성을 높임.세분화된 특징 사용: 작은 객체의 위치를 더 정확하게 잡아냄.멀티스케일 학습: 다양한 해상도에서 예측을 잘할 수 있도록 함.성능:PASCAL VOC와 COCO와 같은.. 2024. 6. 7.
[CV] YOLO [출처]: You Only Look Once: Unified, Real-Time Object Detection 제공된 문서는 객체 탐지를 위한 새로운 접근법인 YOLO(You Only Look Once)에 대해 설명합니다. 주요 요점을 요약하면 다음과 같습니다:개요:YOLO는 객체 탐지를 단일 회귀 문제로 재정의하여, 단일 신경망을 통해 전체 이미지에서 한 번의 평가로 바운딩 박스와 클래스 확률을 직접 예측합니다.이 통합 아키텍처는 전체 탐지 파이프라인을 탐지 성능에 맞게 끝에서 끝으로 최적화할 수 있게 합니다.성능:YOLO는 매우 빠르며, 기본 모델로 초당 45 프레임(fps), Fast YOLO 버전으로는 초당 155 프레임을 실시간으로 처리할 수 있습니다.YOLO는 최첨단 시스템에 비해 위치 오류가.. 2024. 6. 7.
반응형

티스토리툴바